[發明專利]基于邊緣自適應的高效圖像盲去模糊方法

有效

• 申請號: 201410008485.9
• 申請日: 2014-01-08
• 公開（公告）號: CN103761710A
• 公開（公告）日: 2014-04-30
• 發明（設計）人: 董偉生;呂雪銀;石光明
• 申請（專利權）人: 西安電子科技大學
• 主分類號: G06T5/00
• 分類號: G06T5/00
• 代理公司: 陜西電子工業專利中心 61205
• 代理人: 王品華;朱紅星

技術領域

本發明涉及圖像處理技術領域，具體涉及圖像的盲去模糊方法，可用于圖像恢復。

背景技術

在相機成像過程中，由于相機抖動、離焦、散焦，或者目標物體運動，人們拍攝的照片經常會存在模糊。從單幅模糊圖像恢復出清晰的數字圖像在數字媒體娛樂、國防安全等方面均具有重要的需求。通常情況下，相機相對于景物的運動參數等信息是未知的，為了去除圖像的模糊，需要同時估計圖像模糊核和清晰的數字圖像，在模糊核未知情況下對圖像去模糊即是圖像盲去模糊，圖像盲去模糊是一個較為困難的圖像恢復問題。

圖像盲去模糊問題可以表示為其中y表示模糊圖像，k表示圖像模糊核，x表示原始清晰圖像，表示卷積算子，n表示加性高斯噪聲。圖像盲去模糊算法通常包含兩個交替迭代的步驟：1)圖像模糊核k估計，即利用初始恢復清晰圖像估計得到圖像的模糊核；2）清晰圖像x估計，利用估計得到的模糊核進行非盲圖像去模糊，得到去模糊圖像x。這兩個過程依次交替，最終得到清晰的圖像。

圖像盲去模糊是一個欠定的圖像逆問題。為了獲得清晰的數字圖像，需要利用圖像的先驗知識，如何挖掘、利用準確的圖像先驗知識是圖像盲去模糊的關鍵因素。傳統的圖像去模糊算法廣泛使用圖像的光滑性，即用L₂范數對圖像的梯度進行正則約束，該方法雖能有效去除噪聲，但會丟失圖像的細節。為了保持圖像細節，研究人員也提出用L_p，0.7≤p≤1范數對圖像的梯度進行正則化，相比L₂，L_p范數能更好的保持了圖像的邊緣結構和局部細節。此外，人們也提出利用學習的方法來獲得自適應的濾波器以代替梯度算子，從而能更好的保持圖像的邊緣和紋理結構。這些改進的圖像先驗模型，在圖像模糊核已知的情況下能較好的恢復出清晰圖像。但是，對于圖像盲去模糊，利用上述現有的圖像先驗模型，通常難以得到一個清晰的圖像。這是因為，上述先驗圖像模型對于模糊圖像能獲得更小的正則項能量，從而在目標函數能量最小化求解過程中得到原始模糊圖像的局部極值。為了獲得清晰圖像，通常需要采用一些復雜的方法來對圖像邊緣進行銳化，但這種方法不僅復雜，而且從理論和效果上也難以保證其可行性。

發明內容

本發明的目的在于針對上述現有技術的不足，提出一種基于邊緣自適應的高效圖像盲去模糊方法，以提高恢復圖像的清晰度，使其最大程度的逼近原始清晰圖。

實現本發明目的技術方案是：構造新的梯度加權正則模型，利用梯度的方差的倒數作為加權系數，使得圖像先驗模型對清晰自然圖像具有更小的能量，而對模糊圖像具有較大的能量，從而避免原始模糊圖像成為目標函數的解；通過構造去均值的梯度正則模型，提升圖像邊緣和細節。具體步驟包括如下：

（1）輸入模糊圖像y，其模糊核為k，待求解的清晰圖像為x，設置清晰圖像x的初始解為模糊圖像y，設待求解清晰圖像的梯度域圖像為Dx；

（2）初始化待求解圖像的梯度域圖像Dx的均值μ_c為0，初始化非盲去模糊次數f=0；

（3）用迭代優化求解算法更新模糊核k：

(3a)設置迭代次數L，初始化迭代序號l為1，初始化迭代前的模糊核初始化迭代前的待求解圖像的梯度域圖像

(3b)按下式優化求解待求解圖像的梯度域圖像：